北京地區三元雜交豬胴體的分級優化

張麗萍 鄭麗敏 任發政 朱虹 田立軍 劉銀

摘 要：為了提高豬胴體分級的準確性，利用計算機視覺技術、圖像處理技術及統計分析方法，對已建立的豬胴體分級標準及預測方程進行修訂。結果表明，以左半胴體質量、臀中肌橫長和臀中肌膘厚預測瘦肉率絕對誤差小于4%；同時以瘦肉率含量、臀中肌膘厚、1/2橫長處膘厚及6～7肋處膘厚等特征作為分級主要參數，使分級準確率達90%。將各處膘厚與瘦肉率含量相結合，并對豬胴體級別根據實際需求進行調整，可使分級工作更加合理、準確性也有提高。

關鍵詞：豬胴體；計算機視覺；分級標準；瘦肉率；膘厚

Optimization Research on Pork Carcass Grading Standard for

Sanyuan Crossbred Pigs in Beijing

ZHANG Li-ping1，ZHENG Li-min1，2，*，REN Fa-zheng2，ZHU Hong1，TIAN Li-jun1，LIU Yin1

（1. College of Information and Electrical Engineering， China Agricultural University， Beijing 100083， China；

2. Laboratory of Food Quality and Safety， Beijing 100083， China）

Abstract：To increase the accuracy for pig carcass grading， the computer vision technology， image processing technology and statistical methods are used to revise the existing pig carcass grading standard and prediction equations. The experiment showed that half carcass weight， gluteus medium length and gluteus medium fat thickness can predict lean meat percentage with absolute error less than 4%； the lean meat percentage， gluteus medium fat thickness， midbody fat thickness and 6-7 rib fat thickness are the main parameters to grade carcass and they make the accuracy of grade high to 90%. The result indicated that combining a couple of fat thickness with lean meat percentage， and adjusting the grade according to the practical needs， can make the processing more reasonable and more accurately.

Key words：pig carcass；computer vision； grading standard；lean meat percentage；fat thickness

中圖分類號：TS251.41 文獻標志碼： A 文章編號：

胴體分級是為了促進商品豬質量的提高，根據豬胴體的一些相關性狀，人為的將其劃分為不同的等級，世界各地關于分級采用的標準和方法各不相同，但都是為了促進生豬養殖業的發展[1-3]。從國內外多年的研究經驗來看，分級參考的指標多集中在瘦肉率、肌肉的發達程度和脂肪的薄厚等方面[4-8]。

鑒于傳統的分級方式多為人工憑借經驗在屠宰線上通過觀察胴體體型、后臀緊實程度、肥膘厚度來評判，這種方法靈活可以同時參考多個指標，但是卻不可避免的誤差大、重現性差、交叉污染風險大等缺點，近年來已經很少被采用[9-10]。

利用設備快速測量胴體上一些指標來估測瘦肉率進而指導分級的研究在國內外由來已久，如丹麥的FOM肉脂儀通過測定左半胴體上最后一根肋骨處離背中線4～5cm處的背膘厚和倒數第3、4肋骨之間離背中線4～5cm處的背膘厚及眼肌厚度，并結合胴體質量來實現級別的劃分[11]；PG-100瘦肉率測定儀根據測量胴體大排肌肉厚度和倒數3、4根肋骨之間離背中線7～8cm處膘厚為依據獲取瘦肉率的含量并實現分級[12]；德國CSB Image-Meater通過測量臀中肌處最薄膘厚和臀中肌末端到脊髓管邊緣處垂直距離來計算瘦肉率并指導分級[13]。針對北京地區三元雜交豬，任興超[14-15]的研究表明胴體的級別和胴體質量、臀中肌膘厚、1/2處膘厚、6～7肋處膘厚相關，并可通過臀中肌膘厚和6～7肋處膘厚值預測瘦肉率。

但是在長期的應用和探索過程中大家逐漸發現已經建立的回歸方程并不能永久適合之后的群體，因此需要定期檢驗回歸方程的可靠性，并發現不同品種或者相同品種的不同時期也會存在不同的瘦肉率和等級的預測方程[16]。本實驗旨在討論針對北京地區三元雜交豬分級標準的修訂和特征方程優化研究。

1 材料與方法

1.1 實驗材料

北京資源食品城屠宰線上隨機抽取155頭豬的左半胴體，品種為北京地區杜大長三元雜交豬，抽取樣品涵蓋不同等級、不同養殖戶。

米尺（cm）、鋼尺（mm）、游標卡尺（0.02mm）、電子稱（10g）。

1.2 方法

生豬經檢疫、禁食、沐浴、CO2致暈、宰殺放血、去毛、倒掛、去尾、開膛、去內臟、劈半、去頭蹄、修整、分級、噴淋入庫等流程。利用現有在線分級設備測量屠宰線上125片左半胴體級別、瘦肉量和胴體質量。

分級設備是同時利用兩個攝像頭對左半胴體拍照，經過去噪、補光、圖像分割等圖像處理，并在圖像上提取出臀中肌橫長及膘厚、1/2處橫長及膘厚、6～7肋處橫長及膘厚，通過特征方程計算得出胴體質量、瘦肉率及級別。

待胴體0～4℃排酸24h后，專人負責記錄其中125片左半胴體質量、胴體長、臀中肌橫長及膘厚、 1/2處橫長及膘厚、后1/3處橫長及膘厚、尾根處寬、6～7肋處橫長及膘厚、后腿頂部分別到尾根處、后1/3處和6～7肋處長。

測量后豬胴體由專人負責分割，記錄豬皮質量、精修1#（肩胛肉）、精修2#（前腿）、精修3#（通脊）、精修4#（后腿）、5#（小里脊）、排骨、帶皮五花、肥膘、碎肉及2、4#肉處骨頭質量（單位為kg）。

2 結果與分析

2.1 分級特征方程適宜性檢驗

分級系統可以實現的功能是通過提取左半胴體中的臀中肌膘厚、1/2處膘厚、6～7肋處膘厚及體橫長等特征值，計算得出胴體面積進而依靠預測方程得出瘦肉率含量、左半胴體重和胴體級別。特征方程為Y =-3.5187 +0.4430X1+0.8751X2+0.4360X3+0.9183X4-0.0126X5，其中，Y為胴體級別，X1為胴體質量（10kg），X2為臀中肌膘厚（cm），X3為1/2處膘厚（cm），X4為6～7肋膘厚（cm），X5為胴體面積（m2），為了驗證該特征方程是否仍能準確預測胴體級別，將本次實驗的125片胴體相關數據代入該方程，對比預測級別和真實級別之間的差距，發現準確性在75%左右，表明已建立的方程不能提供準確的結果；同時有研究表明即使是相同的豬場提供活豬，隨著群體背膘厚度在遺傳上的減少也會逐漸引起體型上的變化[17-18]，這就表明及時檢測和更新胴體分級標準及預測方程是必要的。

2.2 與級別相關的特征數據分析

本次實驗采樣時根據不同特征將胴體級別劃分為7級，其中第7級為等外，包含膘厚異常或胴體表面存在燙傷、放血不充分、骨折等不適宜以白條形式出售的胴體。以下將1～6級內各特征平均值進行柱狀圖對比。

圖1 胴體面積及體橫長平均值

Fig 1. Average of carcass area and width

圖2 瘦肉率及各處膘厚平均值

Fig 2. Average of lean meat percentage and fat thickness

通過圖1、2可以發現，胴體面積、臀中肌橫長、6～7處肋橫長及胴體1/2處橫長在各級別之間變化不明顯；而胴體瘦肉率隨著等級的增加明顯呈下降趨勢，同時6～7肋處膘厚、胴體1/2橫長處膘厚及臀中肌膘厚隨著等級的增加呈上升趨勢，拋開分級的誤差，依舊可以充分的說明胴體的級別和各處膘厚及瘦肉率的含量密切相關。

2.3 分級標準的修訂及驗證

2.3.1 標準的修訂

原來的分級標準是將胴體分為9個級別，其中8、9兩級都為等外，8級為膘厚異常，9級為胴體表面瘀傷、骨折等不適合白條出售的情況，參考的特征指標為胴體面積及各處膘厚。上述分析表明針對目前的胴體分級實驗中，隨著胴體級別的變化胴體面積變化平穩，但瘦肉率含量變化趨勢明顯，所以考慮采用瘦肉率含量替代胴體面積來結合其他膘厚指導分級。另外從實際生產來看1級胴體出現的次數極少，所以本次標準修訂將胴體級別劃分為7級，1～6級為正常級別，7級為膘厚異常和胴體表面異常的情況，這樣會使分級更為明了簡單，容易實現。表1表示不同級別特征指標平均值隨等級變化趨勢。

表1各特征指標平均值隨等級變化趨勢

Table 1 Changing trend of characteristic indexes in different grades

等級 瘦肉率/% 臀中肌膘厚/mm 1/2橫長處膘厚/mm 6～7肋處膘厚/mm

1 50.47 12.60 21.30 15.30

2 49.27 12.63 22.75 16.88

3 47.90 15.09 25.41 18.82

4 47.49 17.23 24.77 19.46

5 44.59 21.96 28.68 24.07

6 42.59 26.22 35.00 29.56

修訂后的標準如表2后標。

表2修訂后分級標準

Table 2 Grading standard after revision

等級 瘦肉率/% 臀中肌膘厚/mm 1/2橫長處膘厚/mm 6～7肋處膘厚/mm

1 47～52 10～15 18～25 15～20

2 45～50 10～15 21～28 15～20

3 44～54 12～17 20～30 15～25

4 45～50 15～20 20～30 16～27

5 38～50 15～28 22～35 17～31

6 38～50 15～28 22～35 17～31

7 <38 <10或>28 <18或>35 <15或>31

該分級標準中用到了瘦肉率含量和3處膘厚的值共同指導分級，其中瘦肉率含量需要通過特征方程進行預測得出。

2.3.2 瘦肉率預測方程的建立及檢驗

利用樣本回歸分析可以得出瘦肉率含量和左半胴體質量、臀中肌橫長及膘厚緊密相關，結果見方程：

Y=42.342-0.151X1+0.664X2-0.475X3

式中：Y為瘦肉率/%；X1為左半胴體質量/kg；X2為臀中肌橫長/cm；X3為臀中肌膘厚/mm。相關系數r=0.866； 經檢驗統計量F=48.460>Fa=2.88×10-20，α<0.05，差異顯著。

利用該預測方程對生產線上隨機抽取的30片左半胴體進行驗證，對比結果見表3。

表3 瘦肉率預測方程檢驗結果

Table 3 Test results of the lean meat percentage prediction equation

真實瘦肉率/% 左半胴體質量/kg 臀中肌膘厚/mm 臀中肌橫長/cm 預測瘦肉率/% 絕對誤差

51.786 36.400 10.000 29.200 52.124 0.338

47.205 32.200 10.000 26.200 50.151 -2.947

43.372 43.000 20.000 27.400 43.575 0.203

50.833 24.000 9.000 23.200 49.865 0.967

46.937 41.200 24.000 29.000 43.058 -3.879

45.793 41.600 19.000 28.200 45.088 -0.705

49.145 23.400 10.000 22.600 49.082 0.063

50.111 45.000 18.000 32.000 47.574 -2.537

46.829 41.000 15.000 26.600 46.238 -0.592

47.483 29.800 22.000 28.000 46.006 1.477

42.000 35.000 20.000 26.400 44.939 2.939

45.058 34.400 16.000 28.200 48.626 3.568

43.193 40.400 25.000 31.000 44.216 1.023

47.208 39.400 10.000 28.600 50.664 -3.456

結果表明預測值和真實值之間的絕對誤差最大不超過4%，準確度較高。

2.3.3 胴體級別預測準確性驗證

利用修改后的分級標準對生產線上隨機抽取的30片左半胴體進行驗證。

表4 修訂后分級標準驗證結果

Table 4 Test results of grading standard after revision

瘦肉率/% 臀中肌膘厚/mm 1/2橫長處膘厚/mm 6～7肋處膘厚/mm 修訂等級 預測等級

42.486 28 25 10 5 5

47.205 12 21 16 3 3

47.208 10 32 18 2 2

47.483 22 27 23 5 5

48.494 18 25 10 5 4

49.145 10 10 10 7 7

49.214 11 23 18 1 1

50.833 9 14 13 5 7

52.428 10 18 17 1 1

48.323 15 23 27 3 4

42.43 25 23 18 5 5

43.932 29 30 19 6 6

由表4可以看出，該標準可以很好地預測胴體的級別，即使是結果稍有出入，也是相鄰等級，同時由于體型特征如膘厚異常導致的等外級別，也能得到很好地判別，準確性達到90%。

3 結 論

指導胴體分級的標準和預測方程需要根據市場需求和豬品種的變化定期進行調整和更新，隨著人們對高蛋白、低糖低脂生活方式的追求，高瘦肉率的豬胴體有更好的市場需求量。本文在制定標準時將各處膘厚同瘦肉率含量結合起來考慮，同時對豬胴體級別根據實際需求進行了調整，使得分級工作更加清晰合理，準確性也有提高。

參考文獻：

[1] 李強. 豬胴體分級技術的研究[D]. 成都： 四川農業大學， 2002.

[2] 高莉， 鄭麗敏， 尹健玲， 等. 我國屠宰企業豬胴體分級技術的研究進展與建議[J]. 肉類研究， 2009， 23（4）： 3-6.

[3] 張楠， 周光宏， 徐幸蓮. 國內外豬胴體分級標準體系的現狀與發展趨勢[J]. 食品與發酵工業， 2005， 31（7）： 86-89.

[4] 李誠. 豬肉的分級、分割及分割肉加工[J]. 肉類工業， 2003 （3）： 5-7.

[5] 李業國， 高峰， 周光宏， 等. 地方豬種胴體瘦肉率預測及分級指標篩選[J]. 江蘇農業科學， 2006（3）： 122-125.

[6]ENGEL B， LAMBOOIJ E， BUIST W G， et al. Predition of the percentage lean of pig carcasses with a small or a large number of instrumental carcass measurements ： an illustration with HGP and Vision[J]. Animal Science， 2006， 82： 919-928.

[7] ENGEL B， LAMBOOIJ E， BUIST W G， et al. Lean meat prediction with HGP， CGM and CSB-Image-Meater， with prediction accuracy evaluated for different proportions of gilts， boars and castrated boars in the pig population[J]. Meat Science， 2012， 90： 338-344.

[8] JIA Jiancheng， SCHINCKEL A P， FORREST J C， et al. Prediction of lean and fat composition in swine carcasses from ham area measurements with image analysis[J]. Meat Science， 2010， 85： 240-244.

[9] 于鉑. 基于圖像處理技術的豬肉無損定級系統[D]. 北京： 中國農業大學， 2005.

[10] 唐毅. 基于計算機視覺技術的豬胴體等級在線評定系統[D]. 北京： 中國農業大學， 2006.

[11]CHEN Yieshiung， CHEN Wenshyan. FOM carcass grading system applied to a commercial slaughter line four predicting pork cutability and quality[J]. Journal of Taiwan Livestock Reasearch， 1998， 31（3）： 273-278.

[12] 張楠. PG-100豬胴體分級儀瘦肉率預測及豬胴體分級標準的研究[D]. 南京： 南京農業大學， 2006.

[13] 尹佳. CSB Image – Meater 豬智能化影像分級儀瘦肉率預測及豬胴體等級評定標準的研究[D]. 南京： 南京農業大學， 2010.

[14] 任興超. 北京地區三元雜交豬胴體分級標準探索[J]. 肉類研究， 2010， 24（9）： 42-44.

[15] 任興超. 基于三維重建技術的豬胴體等級評定系統研究與應用[D]. 北京： 中國農業大學， 2010.

[16]DIESTRE A， GISPERT M， OLIVER M A. The Evaluation of automatic probes in spain for the new scheme for pig carcass grading according to the EC regulations[J]. Animal Production， 1989， 48： 443-448.

[17] RAE W， JONES S D M ， KEUNEDY B W. Pork carcass grading： the magnitude of breed and sex biases in the prediction of meat yield from a single fat measurement[J]. Canadian Journal of Animal Science， 1985， 65： 619-626.

[18] KEMPSTER A J， EVANS D G. A comparison of different predictors of the lean content of pig careasses[J]. Predictors for use in cornmercial classification and grading[J]. Anim Prod， 1979， 28（1）： 87-96.